Intrapatient comparison of atopic dermatitis skin transcriptome shows differences between tape‐strips and biopsies
Notice bibliographique
Résumé
BACKGROUND: Our knowledge of etiopathogenesis of atopic dermatitis (AD) is largely derived from skin biopsies, which are associated with pain, scarring and infection. In contrast, tape-stripping is a minimally invasive, nonscarring technique to collect skin samples. METHODS: To construct a global AD skin transcriptomic profile comparing tape-strips to whole-skin biopsies, we performed RNA-seq on tape-strips and biopsies taken from the lesional skin of 20 moderate-to-severe AD patients and the skin of 20 controls. Differentially expressed genes (DEGs) were defined by fold-change (FCH) ≥2.0 and false discovery rate <0.05. RESULTS: We detected 4104 (2513 Up; 1591 Down) and 1273 (546 Up; 727 Down) DEGs in AD versus controls, in tape-strips and biopsies, respectively. Although both techniques captured dysregulation of key immune genes, tape-strips showed higher FCHs for innate immunity (IL-1B, IL-8), dendritic cell (ITGAX/CD11C, FCER1A), Th2 (IL-13, CCL17, TNFRSF4/OX40), and Th17 (CCL20, CXCL1) products, while biopsies showed higher upregulation of Th22 associated genes (IL-22, S100As) and dermal cytokines (IFN-γ, CCL26). Itch-related genes (IL-31, TRPV3) were preferentially captured by tape-strips. Epidermal barrier abnormalities were detected in both techniques, with terminal differentiation defects (FLG2, PSORS1C2) better represented by tape-strips and epidermal hyperplasia changes (KRT16, MKI67) better detected by biopsies. CONCLUSIONS: Tape-strips and biopsies capture overlapping but distinct features of the AD molecular signature, suggesting their respective utility for monitoring specific AD-related immune, itch, and barrier abnormalities in clinical trials and longitudinal studies.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».